python竞赛之路_《Python机器学习及实践：从零开始通往Kaggle竞赛之路》

第1章 简介篇..............................................................1

1.1 机器学习综述..............................................................1

1.1.1 任务....................................................................3

1.1.2 经验....................................................................5

1.1.3 性能....................................................................5

1.2 Python编程库..............................................................8

1.2.1 为什么使用Python........................................................8

1.2.2 Python机器学习的优势....................................................9

1.2.3 NumPy & SciPy..........................................................10

1.2.4 Matplotlib.............................................................11

1.2.5 Scikit-learn..........................................................11

1.2.6 Pandas.................................................................11

1.2.7 Anaconda...............................................................12

1.3 Python环境配置...........................................................12

1.3.1 Windows系统环境........................................................12

1.3.2 Mac OS 系统环境........................................................17

1.4 Python编程基础...........................................................18

1.4.1 Python基本语法.........................................................19

1.4.2 Python 数据类型........................................................20

1.4.3 Python 数据运算........................................................22

1.4.4 Python 流程控制........................................................26

1.4.5 Python 函数(模块)设计................................................28

1.4.6 Python 编程库(包)的导入..............................................29

1.4.7 Python 基础综合实践....................................................30

1.5章末小结..............................................................33

第2章 基础篇..............................................................34

2.1监督学习经典模型.........................................................34

2.1.1分类学习...............................................................35

2.1.1.1 线性分类器

2.1.1.2 支持向量机(分类)

2.1.1.3 朴素贝叶斯

2.1.1.4 K近邻(分类)

2.1.1.5 决策树

2.1.1.6 集成模型(分类)

2.1.2回归预测...............................................................64

2.1.2.1 线性回归器

2.1.2.2 支持向量机(回归)

2.1.2.3 K近邻(回归)

2.1.2.4 回归树

2.1.2.5 集成模型(回归)

2.2 无监督学习经典模型.......................................................81

2.2.1数据聚类......................................................81

2.2.1.1 K均值算法

2.2.2特征降维...............................................................91

2.2.2.1 主成分分析

2.3 章末小结.................................................................97

第3章 进阶篇...............................................................98

3.1 模型实用技巧.............................................................98?

3.1.1 特征提升...............................................................99

3.1.2 模型正则化............................................................111

3.1.3 模型检验..............................................................121

3.1.4 超参数搜索............................................................122

3.2 流行库/模型实践.........................................................129

3.2.1自然语言处理包(NLTK)................................................131

3.2.2 词向量(Word2Vec)技术................................................133

3.2.3 XGBoost模型...........................................................138

3.2.4 Tensorflow框架........................................................140

3.3 章末小结................................................................152

第4章 实战篇..............................................................153

4.1 Kaggle平台简介..........................................................153

4.2 Titanic罹难乘客预测.....................................................157

4.3 IMDB影评得分估计........................................................165

4.4 MNIST手写体数字图片识别.................................................174

4.5 章末小结................................................................180

后记.....................................................................181

参考文献.................................................................182